본 논문은 기존 모바일 에이전트 벤치마크의 한계점(불안정한 보상 신호, 단일 경로 평가, 노이즈 및 사전적 상호작용 평가 부족)을 해결하기 위해 새로운 벤치마크인 Mobile-Bench-v2를 제시합니다. Mobile-Bench-v2는 슬롯 기반 명령 생성 방식을 사용하여 현실적인 환경을 구현하며, 오프라인 다중 경로 평가, 노이즈 데이터셋(팝업 및 광고 앱 포함, AITZ-Noise), 모호한 명령어 및 질의응답 상호작용을 포함하는 다양한 분할(split)을 제공하여 에이전트의 다양한 능력을 평가합니다. AppAgent-v1, Mobile-Agent-v2, UI-Tars, OS-Atlas 등 다양한 에이전트를 이용한 평가 결과도 제시하며, 코드와 데이터는 Hugging Face에서 공개합니다.